TensorFlow基礎(chǔ)中的常量是什么,相信很多沒有經(jīng)驗的人對此束手無策,為此本文總結(jié)了問題出現(xiàn)的原因和解決方法,通過這篇文章希望你能解決這個問題。
廣水網(wǎng)站制作公司哪家好,找創(chuàng)新互聯(lián)!從網(wǎng)頁設(shè)計、網(wǎng)站建設(shè)、微信開發(fā)、APP開發(fā)、響應(yīng)式網(wǎng)站等網(wǎng)站項目制作,到程序開發(fā),運營維護。創(chuàng)新互聯(lián)自2013年起到現(xiàn)在10年的時間,我們擁有了豐富的建站經(jīng)驗和運維經(jīng)驗,來保證我們的工作的順利進行。專注于網(wǎng)站建設(shè)就選創(chuàng)新互聯(lián)。
下面介紹TensorFlow中與常量相關(guān)的幾個函數(shù):
tf.constant #常量張量
tf.convert_to_tensor #轉(zhuǎn)換成張量
tf.range #整數(shù)等差
tf.linspace #線性等分
tf.random.uniform # 均勻分布
tf.random.normal #正態(tài)分布
示范1:
import numpy as np
import tensorflow as tf
g = tf.Graph()
with g.as_default():
# tf.constant可以創(chuàng)建一個常量張量
a = tf.constant([1,2,3],dtype = tf.int32)
# tf.convert_to_tensor有類似作用
# 可以將Python列表或者numpy數(shù)組轉(zhuǎn)換成常量張量
b = tf.convert_to_tensor([1,2,3], preferred_dtype =tf.float32)
with tf.Session(graph = g) as sess:
print(sess.run({'a':a,'b':b}))
輸出結(jié)果如下:
示范2:
import tensorflow as tf
g = tf.Graph()
with g.as_default():
# tf.range 創(chuàng)建整數(shù)等差數(shù)列
# 使用語法為tf.range(start, limit=None, delta=1)
c = tf.range(1,12,2)
# tf.linspace 為線性等分函數(shù),創(chuàng)建浮點數(shù)等差數(shù)列
# 使用語法為tf.linspace(start, stop, num)
d = tf.linspace(0.0,1.0,9)
with tf.Session(graph = g) as sess:
print(sess.run({'c':c}))
print(sess.run({'d':d}))
輸出結(jié)果如下:
示范3:
import tensorflow as tf
g = tf.Graph()
with g.as_default():
# tf.random.uniform創(chuàng)建元素值均勻分布的張量
u = tf.random.uniform(shape=[3,3],minval=0,maxval=5,dtype=tf.int32)
# tf.random.normal創(chuàng)建元素值正態(tài)分布的張量
v = tf.random.normal(shape=[6],mean= 0.0,stddev=1.0,dtype=tf.float32)
with tf.Session(graph = g) as sess:
print('u=\n',sess.run(u))
print('v=\n',sess.run(v))
輸出結(jié)果如下:
此外,有許多與numpy中類似的函數(shù)也可以用來創(chuàng)建常量張量。
例如 tf.zeros,tf.ones,tf.zeros_like,tf.diag ...
看完上述內(nèi)容,你們掌握TensorFlow基礎(chǔ)中的常量是什么的方法了嗎?如果還想學(xué)到更多技能或想了解更多相關(guān)內(nèi)容,歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道,感謝各位的閱讀!